image-processing - 如何使用 scipy.ndimage 找到最大的连通区域？

Question

我有一个二值图像。二值图像有一些孤立的区域，如噪声。我知道预期区域比这些孤立区域大得多。因此，我使用连接的组件通过找到最大的连接区域来删除隔离区域。我必须使用 scipy 包。我发现它有一些功能可以做到这一点。然而，我还差得远结果。如何使用函数获得可以忽略隔离区域的二值图像？谢谢

from scipy import ndimage
label_im, nb_labels = ndimage.label(binary_img)

# Find the largest connected component
sizes = ndimage.sum(binary_img, label_im, range(nb_labels + 1))
mask_size = sizes < 1000
remove_pixel = mask_size[label_im]
label_im[remove_pixel] = 0
labels = np.unique(label_im)
binary_img= np.searchsorted(labels, label_im)
#Select the biggest connected component
binary_img[binary_img < binary_img.max()]=0
binary_img[binary_img >= binary_img.max()]=1

Answer 1

您有一个好的开始，使用 ndimage.sum 找到每个标记区域的大小。

从那里，您可以使用 sizes(或从中派生的东西)作为查找表:

from scipy import ndimage
label_im, nb_labels = ndimage.label(binary_img)
sizes = ndimage.sum(binary_img, label_im, range(nb_labels + 1))
mask = sizes > 1000
binary_img = mask[label_im]

这会创建一个查找表掩码，对于与较大区域的标签相对应的索引，它是true，而在其他地方是false。使用标记图像对查找表进行索引会产生所需的二值图像。

请注意，sizes[label_im] 是一幅图像，其中每个区域都用其大小绘制。也就是说，区域#1 中的每个像素都获得区域#1 大小的值。您可以阈值此图像以删除小区域:

size_img = sizes[label_im]
binary_img = size_img > 1000

(这两行相当于前面代码片段的最后两行。)